Pour les questions sur les réseaux artificiels, tels que les réseaux MLP, CNN, RNN, LSTM et GRU, leurs variantes ou tout autre composant de système d'IA qui se qualifient comme réseaux de neurones en ce qu'ils sont, en partie, inspirés par les réseaux de neurones biologiques.
Les scientifiques ou les experts de la recherche savent-ils dans la cuisine ce qui se passe dans un réseau de neurones «profonds» complexe avec au moins des millions de connexions qui se déclenchent instantanément? Comprennent-ils le processus sous-jacent (par exemple, ce qui se passe à l'intérieur...
La page / étude suivante montre que les réseaux de neurones profonds sont facilement trompés en donnant des prédictions de confiance élevée pour des images non reconnaissables, par exemple: Comment c'est possible? Pouvez-vous s'il vous plaît expliquer idéalement en anglais...
Autant que je sache, les réseaux de neurones ont un nombre fixe de neurones dans la couche d'entrée. Si des réseaux de neurones sont utilisés dans un contexte tel que la PNL, des phrases ou des blocs de texte de différentes tailles sont envoyés à un réseau. Comment la taille de l'entrée variable...
Imaginez que vous montriez cent fois sur un réseau de neurones l'image d'un lion et que vous étiquetiez «dangereux», de sorte qu'il découvre que les lions sont dangereux. Imaginez maintenant que vous lui avez déjà montré des millions d’images de lions et que vous l’aviez étiquetée comme "dangereux"...
Geoffrey Hinton a effectué des recherches sur quelque chose qu'il appelle "la théorie des capsules" dans les réseaux de neurones. Qu'est-ce que c'est et comment ça
J'ai entendu auparavant des informaticiens et des chercheurs dans le domaine de l'IA que Lisp est un bon langage pour la recherche et le développement en intelligence artificielle. Est-ce que cela s'applique toujours, avec la prolifération des réseaux de neurones et l'apprentissage en profondeur?...
J'essaie de trouver des recherches existantes sur la façon de sélectionner le nombre de couches cachées et la taille de celles-ci d'un RNN basé sur LSTM. Existe-t-il un article dans lequel ce problème est étudié, c'est-à-dire combien de cellules de mémoire doit-on utiliser? Je suppose que cela...
Ma compréhension est que la couche convolutionnelle d'un réseau neuronal convolutionnel a quatre dimensions: canaux d'entrée, hauteur de filtre, largeur de filtre, nombre de filtres. En outre, je crois comprendre que chaque nouveau filtre est simplement compliqué sur TOUS les canaux d'entrée (ou...
L'article The Limitations of Deep Learning in Adversarial Settings explore comment les réseaux de neurones peuvent être corrompus par un attaquant qui peut manipuler l'ensemble de données avec lequel le réseau de neurones s'entraîne. Les auteurs expérimentent un réseau neuronal destiné à lire des...
Comment un réseau neuronal ayant l'adjectif «profond» se distingue-t-il réellement des autres réseaux
Je suis conscient que les réseaux de neurones ne sont probablement pas conçus pour cela, mais en posant une question hypothétique, est-il possible de former le réseau de neurones profond (ou similaire) pour résoudre des équations mathématiques? Donc, étant donné les 3 entrées: 1er numéro, signe...
Je voudrais former un réseau de neurones où les classes de sortie ne sont pas (toutes) définies dès le départ. De plus en plus de classes seront introduites plus tard en fonction des données entrantes. Cela signifie que, chaque fois que j'introduis une nouvelle classe, je dois recycler le NN....
Je ne cherche pas un moyen efficace de trouver des nombres premiers (ce qui bien sûr est un problème résolu ). Il s'agit plutôt d'une question «et si». Donc, en théorie: pourriez-vous former un réseau de neurones pour prédire si un nombre n donné est composite ou premier? Comment un tel réseau...
Un réseau neuronal convolutif peut-il être utilisé pour la reconnaissance de formes dans un domaine problématique où il n'y a pas d'images préexistantes, par exemple en représentant graphiquement des données abstraites? Serait-ce toujours moins efficace? Ce développeur dit que le développement...
Supposons que nous ayons un grand nombre de preuves dans le calcul des prédicats du premier ordre. Supposons que nous ayons aussi les axiomes, les corollaires et les théorèmes dans ce domaine des mathématiques sous cette forme. Considérez chaque proposition qui a été prouvée et le corps de la...
Des cadres tels que PyTorch et TensorFlow à TensorFlow Fold prennent en charge les graphiques de calcul dynamiques et reçoivent l'attention des scientifiques des données. Cependant, il semble y avoir un manque de ressources pour aider à comprendre les graphiques de calcul dynamiques. L'avantage des...
J'ai beaucoup vu ces termes autour de ce site, en particulier dans les balises réseaux-neuronaux-convolutionnels et réseaux - neuronaux . Je sais qu'un réseau neuronal est un système basé vaguement sur le cerveau humain. Mais quelle est la différence entre un réseau neuronal convolutif et un réseau...
De Wikipédia: Un neurone miroir est un neurone qui se déclenche à la fois lorsqu'un animal agit et que l'animal observe la même action effectuée par un autre. Les neurones miroirs sont liés à l'apprentissage par imitation, une fonctionnalité très utile qui manque dans les implémentations actuelles...
J'ai du mal à comprendre la fonction de perte GAN comme indiqué dans Understanding Generative Adversarial Networks (un article de blog écrit par Daniel Seita). Dans la perte d'entropie croisée standard, nous avons une sortie qui a été exécutée via une fonction sigmoïde et une classification binaire...
On dit que les fonctions d'activation dans les réseaux de neurones contribuent à introduire la non-linéarité . Qu'est-ce que ça veut dire? Que signifie la non-linéarité dans ce contexte? En quoi l'introduction de cette non-linéarité aide-t-elle? Les fonctions d' activation ont- elles d'autres...